Anda di halaman 1dari 5

Semester 7 Karya Tulis Ilmiah

Materi Kuliah 3, tanggal 09 dan 19 Oktober 2012

PENGANTAR BIOSTATISTIK UNTUK ILMU-ILMU KESEHATAN


Oleh Mochammad Arief Tq

BIOSTATISTIK 1. Statistik deskriptif : Pengumpulan, penataan dan penafsiran data: tendensi sentral, simpang baku dan sebagainya. 2. Statistik Inferensial : Penarikan inferensi (kesimpulan) tentang karakteristik populasi berdasarkan pengamatan data dalam sampel: (a) Membuat dugaan tentang parameter populasi dan (b) menguji hipotesis tentang karakteristik populasi. KONSEP DASAR BIOSTATISTIK Unit Pengamatan 1. Populasi 2. Variabel 3. Data 4. Parameter : karakter populasi (mean,varians,koef.korelsi) 5. Probabilitas 6. Ukuran Tendensi Sentral : mean, median, mode 7. Ukuran Dispersi : varians dan akar varians atau simpang baku. STATISTIK INFERENSIAL Sejauh mana bahwa perbedaan atau hubungan antar dua variabel atau lebih dalam sampel benar-benar mencerminkan perbedaan atau hubungan dalam populasi. Misalnya : Sejauh mana perbedaan tinggi badan rata-rata antara laki-laki dan perempuan dalam sampel dapat mencerminkan perbedaan rata-rata tinggi badan laki-laki dan perempuan dalam populasi ? Makin besar ukuran sampel makin kecil kekeliruan membuat kesimpulan dari sampel tentang karakteristik populasi variasi antar sampel akan makin kecil presisi akan meningkat. UJI HIPOTESIS Hipotesis dapat diartikan sebagai pernyataan tentatif/ sementara tentang hubungan antar variabel yang menjadi permasalahan penelitian. Hipotesis dapat dibedakan menjadi 1. Hipotesis konseptual 2. Hipotesis operasional (Statistik) Operasionalisasi hipotesis menjabarkan hipotesis ke dalam variabel-variabel penelitian yang operasional dan terukur . Dapat di analisis dengan uji statistik yang sesuai (Hipotesis Statistik) LANGKAH-LANGKAH DALAM UJI HIPOTESIS 1. Pengumpulan Data Merupakan hasil pencatatan pengukuran terhadap variabel penelitian. Skala pengukuaran variabel yang akan dianalisis (nominal, ordinal, interval atau rasio). 2. Pemahaman Asumsi Merupakan persyaratan yang harus dipenuhi ketika akan menggunkan uji statistik. 3. Menetapkan Hipotesis Statistik (Ho) & Hipotesis Alternatif (H1) Ho : hipotesis yang dicoba untuk ditolak. H1: hipotesis yang dicoba untuk tidak ditolak (diterima). Notasi hipotesis dalam uji binomial adalah sebagai berikut : a. Dua sisi : Ho : p=po H1 : p po b. Satu sisi : Ho : p< po H1 : p> po atau : Ho : p> po H1 : p < po 4. Pengambilan Keputusan Statistik Dalam kurva distribusi uji statistik ada 2 daerah yaitu (2) daerah penolakan Ho dan (1) daerah penerimaan Ho.

Daerah sisi kanan adalah daerah penolakan Ho pada uji satu sisi untuk a = 0,05
Karya Tulis Ilmiah

Midwifery Nol Sembilan Reguler

Semester 7
Daerah sisi kanan dan kiri adalah daerah penolakan Ho pada uji dua sisi untuk a = 0,05 Kesimpulannya, bila Ho ditolak maka H1 benar . Sebaliknya bila Ho tidak ditolak kesimpulannya Ho mungkin benar. TINGKAT KEMAKNAAN () Nilai probabilitas tertentu yang dipakai sebagai patokan penolakan atau penerimaan Ho, misalnya = 0,01 atau 0,05. Jadi jika kita temukan suatu nilai statistik uji lebih kecil atau sama dengan maka secara probabilitas kita menolak Ho. Penetapan besar kecilnya nilai harus mempertimbangkan kemaknaan praktis hasil penelitian kelak. Semakin besar nilai akan semakin mudah kita menolak Ho (daerah penolakan lebih luas) atau semakin mudah kita menerima hipotesis alternatif. PROBABILITAS PASTI (p) Menunjukkan probablitias untuk memperoleh nilai sebesar atau lebih dari nilai statistik hitung (teramati) hanya karena kebetulan. Makin besar nilai statistik uji kemaknaan yang kita dapatkan, makin kecil nilai p. Bila nilai p Ho. ditolak Contoh : Sebuah studi menemukan bahwa hubungan antara kebiasaan minum jamu X pada saat kehamilan dengan suatu kelainan kongenital, bermakna dengan p=0,001. Artinya terdapat 1 diantara 1000 hasil penelitian tersebut terjadi hanya karena peluang kebetulan.
INTERVAL KEYAKINAN (CONFIDENCE INTERVAL; IC) Interval Keyakinan (IK) menyatakan suatu rentang nilai-nilai resiko relatif pd tingkat keyakinan trtentu (1-) dinyatakan dalam IK (1- ) Interval Keyakinan yang tidak memuat nilai = 1 menunjukkan bahwa hubungan antar variabel penelitian bermakna. Contoh: Suatu analisis data studi Kohor tentang pengaruh serangan epilepsi ibu antenatal terhadap kejadian malfromasi kongenital janin menghasilkan nilai Resiko Relatif RR= 1,63 dan IK 95% = 1,22 - 2,31. Artinya : Dengan tingkat keyakinan 95% ibu-ibu dengan riwayat epilepsi antenatal mempunyai resiko melahirka bayi malformasi sebesar 1,2-2,3 kali lebih tinggi daripada ibu tanpa riwayat epilepsi. KESALAHAN PENGAMBILAN KEPUTUSAN STATISTIK 1. Kesalahan tipe I; yaitu menolak Ho yang sesungguhnya Ho benar. Probabilitas terjadinya kesalahan tipe satu disebut . 2. Kesalahan tipe II; yaitu tidak menolak Ho yang sesungguhnya Ho salah. Probabilitas terjadinya kesalahan tipe II disebut .

Tabel : Empat kemungkinan dalam Uji Hipotesis SESUNGGUHNYA KESIMPULAN UJI STATISTIK HO BENAR H1 BENAR Kesalahan Tipe II TIDAK MENOLAK Benar () H0 (Tidak bermakna H0 benar dan kita H1 benar tetapi kita secara statistik) tidak menolak Ho tidak menolak Ho. Kesalahan Tipe I MENOLAK H0 Benar () (Bermakna secara H1 benar dan kita H0 benar tetapi kita statistik) menolak Ho menolak H0 KUASA STATISTIK (P) Adalah probabilitas untuk menolak Ho ketika sesungguhnya Ho memang salah. Kemampuan untuk mendetekasi adanya perbedaan bermakna antara kelompok-kelompok yang diteliti ketika perbedaan itu memang ada. Kuasa (P) = 1- kesalahan Tipe II
Karya Tulis Ilmiah

Midwifery Nol Sembilan Reguler

Semester 7
Misalnya untuk sebesar 0,20 artinya ada peluang sebesar 20% untuk membuat kesalahan tidak menolak Ho padahal Ho salah atau H1 benar. Maka kuasa dalam penelitian itu sebesar 1-0,20 = 0,80. Dengan kuasa sebsar 0,80 berarti penelitian ini mempunyai kemampuan sebesar 80 persen untuk dapat mendeteksi perbedaan antara kelompok yang diteliti jika memang terdapat perbedaan. PERTIMBANGAN PEMILIHAN UJI STATISTIK YANG SESUAI 1. Pertimbangan Uji Parametrik dan Non parametrik Uji Parametrik (misalnya uji t dan uji F) memiliki asumsi lebih banyak daripada uji nonparametrik untuk penggunaan yg sama. Pemenuhan asumsi yang lebih banyak : 1. makin besar kuasa statistiknya 2. makin kecil kesalahan menarik inferensi ke populasinya 3. makin sempit generalisasinya. Contoh : Uji t memilki beberapa asumsi : a. Pengamatan dilakukan secara independen b. Sampel berasal dari populasi yang terdisitribusi normal c. Dalam analisis dua kelompok, populasi-populasi asal sampel harus memiliki varians yang sama atau setidaknya diketahui rasio varians keduanya. d. Variabel diukur setidaknya dalam skala rasio atau interval Jika data yang dianalisis memenuhi semua asumsi , penggunaan uji statistik parametrik merupakan pilihan utama. 2. Klasifikasi Variabel yang akan Dianalisis a. Statistik parametrik o Variabel diukur dalam skala interval atau rasio o Parameter-parameter yang menggambarkan populasi seperti mean, median, mode dan simpang baku bisa dihitung. b. Statistik non-parametrik o Variabel diukur dalam skala nominal atau ordinal. o Yang bisa dihitung adalah frekuensi tiap-tiap kategori (atribut) Pengelompokan Uji statistik untuk Uji Hipotesis berdasarkan banyaknya variabel dan skala pengukurannya A. Uji hipotesis dengan satu variabel bebas berdasarkan skala pengukurannya
No 1 2 3 4 Variabel Bebas Nominal Nominal Dikotomik Nominal Polikotomik Numerik Variabel Tergantung Nominal Numerik Numerik Numerik Metode Statistik Uji Kai-Kuadrat Uji Fisher Uji-t indpendent dan dependent Anova Regresi Linier

Contoh : (1) Uji Independent Kai-Kuadrat : Hubungan antara pemakaian kontrasepsi hormonal (esterogen) terhadap kejadian penyakit jantung koroner (nominal-nominal) (2) Uji dependent Kai kuadrat (Mc Nemar) : menganalisis perbedaan hasil pengukuran variabel pada subjek yang sama sebelum dan sesudah intervensi ; Pengaruh pemberian ekstrak buah x terhadap penurunan tekanan darah. (3) Uji Pasti Fisher : digunakan bila frekuensi dalam salah satu sel tabel kontingensi nilainya kurang dari 5. Hubungan antara kejadian penyakit cardiovaskuer (PCV) dengan konsumsi tinggi garam. Terdapat 2 sel yang frekuensi kejadiannya <5. Uji Fisher bisa digunakan. Konsumsi garam Tinggi Rendah PVC + 4 26 PVC 2 18 (4) Uji-t independen : membandingkan (membedakan) nilai rerata (mean) dari 2 kelompok data, misalnya pada penelitian : Perbedaan kadar kolesterol darah (numerik) antara kelompok penedrita hipertensi dan normotensi (nominal) . Diambil dari dua sampel independen (hipertensi dan normotensi)

Karya Tulis Ilmiah

Midwifery Nol Sembilan Reguler

Semester 7
(5) Uji-t dependen : perbedaan kadar Hb antara anak bergizi baik dan bergizi kurang. pengelompokan subjek dilakukan secara dependen; anak bergizi baik dan kurang dilakukan secara matching (berpasangan) mengenai umur dan jenis kelaminnya. (6) Anova (Analysis of Variance) : menguji perbedaan nilai rerata untuk lebih dari 2 kelompok data sekaligus. Misalnya untuk menguji perbedaan kadar kolesterol darah antara tiga kelompok penderita hipertensi (berat, sedang dan ringan). Anova satu jalur digunakan bila variabel bebas diklasifikasikan berdasarkan satu parameter saja misalnya status gizi. Anova dua jalur digunakan bila variabel bebasnya diklasifikasikan berdasarkan 2 parameter misalnya status gizi dan jenis kelamin. (7) Korelasi Regresi: menguji hubungan antar 2 variabel yang berskala numerik, misalnya hubungan natara kadar Hb dengan ureum darah pada penderita gagal ginjal kronis. Pada uji korelasi membuktikan ada hubungan antar 2 variabel Uji regresi lebih bersifat memprediksi nilai variabel tergantung berdasarkan nilai veriabel bebas yg lebih praktiis pengukurannya. Persamaan garis regresi linier secara umum ditulis : Y = ax + b (Y : variabel tergantung, x : variabel bebas, a : koefisien regresi, b : konstanta ) Contoh : Korelasi antara kadar tripsin serum dengan kadar urem darah dinyatakan dalam persamaan garis regresi : Y = 2,6 x + 3 Bila kadar ureum darah = 50 mg/dl maka kadar tripsin serum adalah = 2,6. 50 + 3 = 133 unit B. Uji hipotesis dengan lebih dari satu variabel bebas berdasarkan skala pengukurannya
No 1 2 Variabel Bebas Numerik Numerik Nominal Numerik Variabel Tergantung Numerik Nominal Dikotomik Metode Statistik Regresi Multiple Regresi Logistik

1. Persamaan regresi multipel dengan satu variabel tergantung (Y) berskala numerik dengan lebih dari satu variabel bebas(x) berskala numerik adalah : Y = b1x1 + b2x2 +b3x3 .+ a (Y : variabel tergantung, x: variabel bebas, b : koefisien regresi , a: konstanta) Contoh : Regresi multiple untuk memperoleh persamaan regresi guna memprediksi tekanan ventrikel kanan (numerik) pada pasien stenosis pulmonal melalui pengukuran sumbu QRS (numerik) , tingginya gelombang R di V1 , tingginya gelombang S di V6 (numerik). Dengan memasukkan semua data di atas dari pengukuran semua pasien (sampel) dan bantuann program komputer diperoleh persamaan garis regresi berikut : Y = 0,6.X1 + 0,4.X2 - 2.X3 + 12 Bila pasien stenosis pulmonal dengan sumbu QRS=1300, gelombang R di V1 = 20 mm dan gelombang S di V6 = 12 mm maka dapat diprediksikan bahwa tekanan ventrikel kanan Y adalah: Y = (0,6.130) + (0,4.20) - (2.12) + 12 = 74 mmHg 2. Persamaan Regresi Logistik : untuk satu variabel tergantung (nominal dikotomik dan beberapa variabel bebas (skala numerik dan nominal) Y = 1/ (1 + e-(b1X1 + b2X2 + bnXn +a) ) (Y : variabel tergantung, e : bilangan natural=2,718, b: koefisien regresi, a : konstanta, x: variabel bebas ) Contoh : Regresi Logistik : misalnya ingin memperoleh persamaan regresi guna memprediksi peluang pasien ICU untuk hidup : Y (v.tergantung skala nominal) berdasarkan usia (x 1 numerik), skor analisis gas darah (x2 numerik), skor klinis X3 numerik) dan status infeksi (X4 nominal), dari 100 pasien.

Karya Tulis Ilmiah

Midwifery Nol Sembilan Reguler

Semester 7

Karya Tulis Ilmiah

Midwifery Nol Sembilan Reguler